Geometria e algebra lineare (II parte) Bruno Martelli
|
|
- Natalia Monaco
- 6 anni fa
- Visualizzazioni
Transcript
1 Geometria e algebra lineare (II parte) Bruno Martelli Dipartimento di Matematica, Largo Pontecorvo 5, Pisa, Italy address: martelli at dm dot unipi dot it versione: 7 marzo 2017
2
3 Indice Introduzione 1 Capitolo 1 Autovettori e autovalori 3 11 Introduzione 3 12 Autovettori, autovalori e diagonalizzabilità 4 13 Teorema di diagonalizzabilità 10 v
4
5 Introduzione Il testo è rilasciato con la licenza Creative Commons-BY-NC-SA 1 Le figure sono tutte di pubblico dominio, eccetto le seguenti, che hanno una licenza CC-BY-SA 2 e sono state scaricate da Wikimedia Commons: Figura?? (regola della mano destra), creata da Acdx 1 È possibile distribuire, modificare, creare opere derivate dall originale, ma non a scopi commerciali, a condizione che venga riconosciuta la paternità dell opera all autore e che alla nuova opera vengano attribuite le stesse licenze dell originale (quindi ad ogni derivato non sarà permesso l uso commerciale) 2 Come la licenza precedente, ma con anche la possibilita di uso commerciale 1
6
7 CAPITOLO 1 Autovettori e autovalori 11 Introduzione Sia T : V V un endomorfismo di uno spazio vettoriale V di dimensione n Fissata una base B = {v 1,, v n } di V, possiamo descrivere T concretamente come una matrice quadrata A = [T ] B B In questo capitolo studiamo questo problema: esiste una base B migliore delle altre, che produca una matrice A particolarmente semplice? Ad esempio, se A fosse una matrice diagonale λ λ 2 0 A = 0 0 λ n otterremmo una descrizione soddisfacente di T Se A fosse diagonale, il prodotto riga per colonna si semplificherebbe molto: λ x 1 λ 1 x 1 0 λ 2 0 x 2 = λ 2 x λ n x n λ n x n L osservazione geometrica fondamentale è che spiegheremo fra poche righe è la seguente: se A è diagonale, allora la trasformazione T manda ogni vettore v i della base B in un multiplo λ i v i di se stesso La retta r i = Span(v i ) è invariante, cioè T (r i ) r i Le rette r 1,, r n formano quindi degli assi per T L endomorfismo T agisce su ciascuna retta r i ampliandola (se λ i > 1), lasciando fissi tutti i punti (se λ i = 1), contraendola (se 0 < λ i < 1), collassandola tutta nell origine (se λ i = 0), o ribaltandola (se λ i < 0) L endomorfismo T può agire in modi diversi su assi diversi Ci sono altri motivi per preferire le matrici diagonali come la A descritta sopra Intanto il determinante di A si calcola semplicemente come det A = λ 1 λ n 3
8 4 1 AUTOVETTORI E AUTOVALORI Inoltre il prodotto di due matrici diagonali è semplicissimo da calcolare: λ µ λ 1 µ λ µ 2 0 = 0 λ 2 µ λ n 0 0 µ n 0 0 λ n µ n Possiamo ad esempio calcolare facilmente potenze come A 100 che indicano geometricamente che la trasformazione T viene iterata 100 volte Diciamo che un endomorfismo T è diagonalizzabile se esiste una base B per cui A = [T ] B B sia diagonale Lo scopo di questo capitolo è rispondere alle seguenti domande: come facciamo a capire se T è diagonalizzabile? Come possiamo trovare una base B che diagonalizzi T, se esiste? Per rispondere dovremo introdurre un po di definizioni 12 Autovettori, autovalori e diagonalizzabilità 121 Autovettori e autovalori Sia come sempre T : V V un endomorfismo di uno spazio vettoriale V definito su un campo K Un autovettore è un vettore v 0 in V per cui f (v) = λv per qualche numero λ K che chiameremo autovalore Notiamo che λ può essere qualsiasi scalare, anche zero Introduciamo adesso una definizione importante Definizione 121 Un endomorfismo T : V V è diagonalizzabile se V ha una base v 1,, v n composta da autovettori per T Questa definizione è effettivamente equivalente a quella data nell introduzione, in virtù del fatto seguente Sia B = {v 1,, v n } una base di V Proposizione 122 La matrice A = [T ] B B v 1,, v n sono tutti autovettori è diagonale se e solo se i vettori Dimostrazione Il vettore v i è un autovettore f (v i ) = λ i v i Le coordinate di λ i v i rispetto a B sono il vettore colonna 0 0 λ i 0 0
9 12 AUTOVETTORI, AUTOVALORI E DIAGONALIZZABILITÀ 5 Quindi v i è un autovettore se e solo se la i-esima colonna di A è un vettore di questo tipo La matrice A è diagonale precisamente quando questo accade per ogni i Abbiamo quindi scoperto che un endomorfismo T è diagonalizzabile se e solo se esiste una base B tale che A = [T ] B B sia una matrice diagonale, come accennato nell introduzione a questo capitolo Esempio 123 L endomorfismo L A : R 2 R 2 con ( ) 0 2 A = 2 0 è diagonalizzabile: una base di autovettori è data da ( ) ( ) 1 1 v 1 =, v 1 2 = 1 Infatti otteniamo Av 1 = 2v 1 e Av 2 = 2v 2, quindi v 1 e v 2 sono autovettori, con autovalori rispettivamente 2 e 2 Prendendo B = {v 1, v 2 } otteniamo [L A ] B B = ( ) Esempio 124 Sia M(2) lo spazio vettoriale delle matrici quadrate reali 2 2 L endomorfismo T : M(2) M(2) definito da T (A) = t A è diagonalizzabile: una base di autovettori è data da A 1 = ( Infatti otteniamo ), A 2 = ( ), A 3 = ( ) 0 1, A = ( ) T (A 1 ) = A 1, T (A 2 ) = A 2, T (A 3 ) = A 3, T (A 4 ) = A 4 Prendendo B = {A 1, A 2, A 3, A 4 } otteniamo [T ] B B = Negli esempi precedenti, gli autovettori sono già dati e dobbiamo solo verificare che funzionino In generale, come troviamo gli autovettori di un endomorfismo T? Introduciamo uno strumento che sarà cruciale per rispondere a questa domanda
10 6 1 AUTOVETTORI E AUTOVALORI 122 Polinomio caratteristico Il polinomio caratteristico di una matrice quadrata A è definito nel modo seguente: p A (λ) = det(a λi) Un commento sulla notazione: normalmente un polinomio viene indicato con il simbolo p(x), in cui x rappresenta la variabile; qui a volte usiamo λ invece di x, per un motivo che sarà chiaro in seguito Il pedice A in p A indica semplicemente che il polinomio dipende dalla matrice A Da questa definizione un po oscura di p A (λ) non risulta affatto chiaro che questo oggetto sia realmente un polinomio Dimostriamo adesso che è un polinomio e identifichiamo alcuni dei suoi coefficienti Sia n come di consueto la dimensione di V e quindi la taglia di A Proposizione 125 Il polinomio caratteristico p A (λ) è effettivamente un polinomio Ha grado n e quindi è della forma p A (λ) = a n λ n + a n 1 λ n a 0 Possiamo identificare alcuni dei suoi coefficienti: a n = ( 1) n, a n 1 = ( 1) n 1 tra, a 0 = det A Dimostrazione Dimostreremo la proposizione per induzione su n Il caso n = 1 è ovviamente molto facile: la matrice è A = (a) e scriviamo p A (λ) = det(a λi) = det(a λ) = a λ = λ + a Otteniamo un polinomio di grado 1 con i coefficienti giusti (qui det A = tra = a) Anche se non è necessario per il passaggio induttivo, è comunque istruttivo esaminare anche il caso n = 2, in cui A = ( a b c d) e quindi ( ) a λ b p A (λ) = det = (a λ)(d λ) bc c d λ = λ 2 (a + d)λ + ad bc = λ 2 traλ + det A Dimostriamo adesso il passaggio induttivo: supponiamo la proposizione vera per n 1 e la verifichiamo per n Scriviamo A come (a ij ) e calcoliamo a 11 λ a 12 a 1n a 21 a 22 λ a 2n p A (t) = det a n1 a n2 a nn λ Con lo sviluppo di Laplace lungo la prima colonna otteniamo a 22 λ a 2n p A (t) = (a 11 λ) det + q(λ) a n2 a nn λ
11 12 AUTOVETTORI, AUTOVALORI E DIAGONALIZZABILITÀ 7 Il termine q(λ) è ottenuto continuando lo sviluppo di Laplace: il termine j- esimo dello sviluppo è calcolato cancellando la prima colonna e la j-esima riga di A; quando j 2 cancelliamo due caselle diverse contenenti un λ, quindi le caselle rimanenti che contengono λ sono n 2 Iterando lo sviluppo si deduce facilmente che q(λ) è un polinomio di grado n 2 Possiamo adesso usare l ipotesi induttiva sulla matrice di taglia n 1 presente nel primo termine dello sviluppo di Laplace e dedurre che p A (t) = (a 11 λ)(( 1) n 1 λ n 1 + ( 1) n 2 (a a nn )λ n 2 + ) + = ( 1) n λ n + ( 1) n 1 (a 11 + a a nn )λ n 1 + Resta solo da dimostrare che il termine noto a 0 è il determinante di A Per fare ciò ricordiamo che a 0 = p A (0) e scriviamo semplicemente La dimostrazione è completa a 0 = p A (0) = det(a 0I) = det A Il polinomio caratteristico ci sarà utile per il motivo seguente Gli autovalori ed autovettori di una matrice quadrata A sono per definizione quelli dell endomorfismo L A : K n K n Proposizione 126 Gli autovalori di A sono precisamente le radici del polinomio caratteristico p A (λ) Dimostrazione Uno scalare λ K è autovalore per A se e solo se esiste un vettore v R n non nullo tale che Av = λv I fatti seguenti sono tutti equivalenti: La dimostrazione è completa v 0 tale che Av = λv v 0 tale che Av λv = 0 v 0 tale che (A λi)v = 0 v 0 tale che v ker(a λi) det(a λi) = 0 p A (λ) = 0 Abbiamo scoperto come possiamo identificare gli autovalori di A: dobbiamo solo (si fa per dire) trovare le radici del polinomio caratteristico p A (λ) Questo ovviamente non è un problema semplice in generale: purtroppo non esiste una formula per trovare le radici di un polinomio di grado qualsiasi Esempio 127 Consideriamo la matrice ( ) 1 2 A = 4 5 Il suo polinomio caratteristico è p A (λ) = λ 2 traλ + det A = λ 2 4λ + 3
12 8 1 AUTOVETTORI E AUTOVALORI Le sue radici sono λ = 1 e λ = 3 Quindi gli autovalori di A sono 1 e 3 Per ciascun autovalore λ = 1 e λ = 3, i suoi autovettori sono precisamente le soluzioni non banali dei sistemi rispettivamente Av = v e Av = 3v Risolvendo i sistemi, troviamo ad esempio due autovettori v 1 = ( 1 1 ) v 2 = Effettivamente Av 1 = v 1 e Av 2 = 3v 2 I due vettori sono indipendenti e quindi formano una base di R 2 La matrice A è quindi diagonalizzabile, ed è simile alla matrice D = ( ) Esempio 128 Consideriamo una rotazione Rot θ : R 2 R 2 antioraria di un angolo θ 0, π La rotazione è descritta dalla matrice ( ) cos θ sin θ Rot θ = sin θ cos θ Consideriamo il caso θ 0, π In questo caso, è chiaro geometricamente che Rot θ non ha autovettori: ciascun vettore non banale v è ruotato di un angolo θ 0, π e quindi non può diventare un multiplo λv di se stesso Possiamo verificare che non ci sono autovettori anche guardando il polinomio caratteristico p(λ) = λ 2 2 cos θ + 1 e notando che ha due radici complesse non reali, perché = cos 2 θ 1 < 0 Il polinomio caratteristico non ha radici reali: quindi non ci sono autovalori, e di conseguenza neppure autovettori Il prossimo esempio mostra come la diagonalizzabilità di una matrice A dipenda dal campo K che stiamo considerando! Esempio 129 La matrice A = ( ) rappresenta una rotazione di π 2 e quindi sappiamo già che non è diagonalizzabile su R Se però la consideriamo come matrice su C, le cose cambiano: il polinomio caratteristico è infatti p(λ) = λ ed ha soluzioni λ = ±i Studiando i sistemi Av = iv e Av = iv troviamo che i vettori seguenti ( ) ( ) i i v 1 =, v 1 2 = 1 sono autovettori con autovalori i e i rispettivamente Quindi la matrice A non è diagonalizzabile su R, ma lo è su C Prendendo B = {v 1, v 2 } otteniamo ( ) [L A ] B i 0 B = 0 i ( 1 2 )
13 12 AUTOVETTORI, AUTOVALORI E DIAGONALIZZABILITÀ 9 Esempio 1210 La matrice A = ( ) ha polinomio caratteristico p(λ) = λ 2 2λ + 1 = (λ 1) 2 Il polinomio ha una radice λ = 1 con molteplicità due Quindi λ = 1 è l unico autovalore Risolvendo il sistema Av = v si trova facilmente che gli autovettori sono i multipli di v = (1, 0) La matrice A non è diagonalizzabile perché questi vettori non sono sufficienti per generare R 2 Troviamo un autovettore, ma non ne troviamo due indipendenti Lo stesso ragionamento mostra che questa matrice non è diagonalizzabile neppure su C Esercizio 1211 Per ciascuna delle matrici seguenti, determinare autovalori e autovettori in R 3 e dire se è diagonalizzabile: , 0 2 1, Se T : V V è un endomorfismo, possiamo comunque definire il polinomio caratteristico p T (λ) come il polinomio caratteristico p A (λ) di una qualsiasi matrice associata A = [T ] B B Questa definizione ha senso, perché due matrici associate diverse sono sempre simili, e la proposizione seguente ci dice che due matrici simili hanno lo stesso polinomio caratteristico: Proposizione 1212 Se A e B sono matrici simili, allora p A (λ) = p B (λ) Dimostrazione Per ipotesi A = M 1 BM per qualche matrice invertibile M Otteniamo quindi p A (λ) = det(a λi) = det(m 1 BM M 1 λim) = det(m 1 (B λi)m) = det(m 1 ) det(b λi) det M = det(b λi) = p B (λ) grazie al teorema di Binet 123 Matrici triangolari Ricordiamo che una matrice quadrata A è triangolare se è della forma a 11 a 12 a 1n 0 a 22 a 2n A = 0 0 a nn In altre parole, vale a ij = 0 per ogni i > j Il determinante di una matrice triangolare A è particolarmente semplice da calcolare: usando lo sviluppo di Laplace si verifica che det A = a 11 a nn
14 10 1 AUTOVETTORI E AUTOVALORI Anche gli autovalori si determinano immediatamente: Proposizione 1213 Gli autovalori di una matrice triangolare A sono gli elementi a 11,, a nn sulla diagonale Dimostrazione Vale a 11 λ a 12 a 1n 0 a 22 λ a 2n p A (λ) = det(a λi) = det 0 0 a nn λ = (a 11 λ) (a nn λ) Le radici di p A sono quindi a 11,, a nn Notiamo che gli elementi a 11,, a nn possono anche ripetersi 124 Matrici a blocchi Ricordiamo il seguente esercizio Indichiamo con M(n) lo spazio delle matrici quadrate n n, sul campo base K Esercizio 1214 Sia A M(n) del tipo ( ) B C A = 0 D con B M(k) e D M(n k) per qualche k Valgono le relazioni det A = det B det D, rka rkb + rkd Ne ricaviamo una relazione analoga per il polinomio caratteristico Corollario 1215 Sia A M(n) del tipo ( ) B C A = 0 D con B M(k) e D M(n k) per qualche k Vale la relazione Dimostrazione Scriviamo p A (λ) = p B (λ) p D (λ) p A (λ) = det(a λi) = det La dimostrazione è completa ( B λi C ) 0 D λi = det(b λi) det(d λi) = p B (λ) p D (λ) 13 Teorema di diagonalizzabilità Lo scopo di questa sezione è la definizione di un criterio di diagonalizzabilità per le matrici quadrate Iniziamo mostrando una proprietà algebrica degli autovettori
15 13 TEOREMA DI DIAGONALIZZABILITÀ Autovettori con autovalori distinti Sia T : V V un endomorfismo qualsiasi Proposizione 131 Se v 1,, v k V sono autovettori per T con autovalori λ 1,, λ k distinti, allora sono indipendenti Dimostrazione Lo dimostriamo per induzione su k Se k = 1, il vettore v 1 è indipendente semplicemente perché non è nullo (per definizione, un autovettore non è mai nullo) Diamo per buono il caso k 1 e mostriamo il caso k Supponiamo di avere una combinazione lineare nulla (1) α 1 v α k v k = 0 Dobbiamo dimostrare che α i = 0 per ogni i Applicando T otteniamo (2) 0 = α 1 T (v 1 ) + + α k T (v k ) = α 1 λ 1 v α k λ k v k Moltiplicando l equazione (1) per λ k ricaviamo α 1 λ k v 1 + α k λ k v k = 0 e sottraendo questa equazione dalla (2) deduciamo che α 1 (λ k λ 1 )v α k 1 (λ k λ k 1 )v k 1 = 0 Questa è una combinazione lineare nulla di k 1 autovettori con autovalori distinti: per l ipotesi induttiva tutti i coefficienti α i (λ k λ i ) devono essere nulli Poiché λ i λ k, ne deduciamo che α i = 0 per ogni i = 1,, k 1 e usando (1) otteniamo anche α k = 0 La dimostrazione è completa Corollario 132 Se p T (λ) ha n radici reali distinte, l endomorfismo T è diagonalizzabile Dimostrazione Le radici sono λ 1,, λ n e ciascun λ i è autovalore di qualche autovettore v i Gli autovettori v 1,, v n sono indipendenti per la Proposizione 131, quindi sono una base di V Quindi V ha una base formata da autovettori, cioè è diagonalizzabile Il teorema di diagonalizzabilità che vogliamo dimostrare sarà una generalizzazione di questo corollario Per enunciare questo teorema dobbiamo introdurre ancora una nozione 132 Autospazio Sia T : V V un endomorfismo Per ogni autovalore λ di T definiamo l autospazio V λ V nel modo seguente: V λ = { v V T (v) = λv } In altre parole, V λ consiste precisamente di tutti gli autovettori v con autovalore λ, più l origine 0 V (ricordiamo che 0 V non è mai autovettore per definizione)
16 12 1 AUTOVETTORI E AUTOVALORI Ricordiamo l endomorfismo identità id: V V, definito semplicemente da id(v) = v Per ogni autovalore λ di T, ha senso considerare l endomorfismo T λid e la proposizione seguente lo mette in relazione con V λ Proposizione 133 Vale V λ = ker(t λid) Dimostrazione Otteniamo V λ = { v V } { } T (v) = λv = v V T (v) λv = 0 = { v V } (T λid)v = 0 = ker(t λid) La dimostrazione è conclusa Ne deduciamo in particolare che l autospazio V λ V è un sottospazio vettoriale di V 133 Molteplicità algebrica e geometrica Per enunciare il teorema di diagonalizzabilità abbiamo bisogno di introdurre ancora due definizioni Sia T : V V un endomorfismo e λ sia un autovalore per T La molteplicità algebrica m a (λ) è la molteplicità di λ come radice del polinomio caratteristico p T La molteplicità geometrica m g (λ) è la dimensione del sottospazio associato a λ, cioè m g (λ) = dim V λ Esempio 134 Sia L A : R 2 R 2 l endomorfismo dato da ( ) 1 1 A = 0 1 Il polinomio caratteristico è p A (λ) = λ 2 2λ + 1 = (λ 1) 2 Troviamo un solo autovalore λ 1 = 1, con molteplicità algebrica m a (1) = 2 D altra parte, ( ) 0 1 m g (1) = dim V 1 = dim ker(a I) = dim ker = Abbiamo quindi trovato in questo caso m a (1) = 2, m g (1) = 1 In particolare vediamo che le due molteplicità non sono sempre uguali 134 Teorema di diagonalizzabilità Possiamo finalmente enunciare e dimostrare il teorema seguente Teorema 135 (Teorema di diagonalizzabilità) Un endomorfismo T : V V è diagonalizzabile se e solo se valgono entrambi i fatti seguenti: (1) il polinomio caratteristico p T (λ) ha tutte le radici nel campo K; (2) m a (λ) = m g (λ) per ogni autovalore λ
17 13 TEOREMA DI DIAGONALIZZABILITÀ 13 Dimostrazione Se T è diagonalizzabile, esiste una base B = {v 1,, v n } formata da autovettori, con autovalori λ 1,, λ n Prendiamo la matrice associata A = [T ] B B e notiamo che è diagonale: da questo fatto segue che p A (λ) = (λ 1 λ) (λ n λ) e quindi il polinomio caratteristico ha tutte le radici in K Usando la matrice A, si verifica anche che m a (λ) = m g (λ), e questo fatto è lasciato come esercizio Quindi otteniamo sia (1) che (2) D altra parte, supponiamo che valgano (1) e (2) e dimostriamo adesso che T è diagonalizzabile Siano λ 1,, λ k gli autovalori Sia n = dim V Da (1) segue che m a (λ 1 ) + + m a (λ k ) = n Da (2) deduciamo anche che m g (λ 1 ) + + m g (λ k ) = n Sia B i una base dell autospazio V λi, per ogni i = 1,, k Vogliamo dimostrare adesso che B = B 1 B k è una base per V Questo conclude la dimostrazione, perché B è fatta di autovettori: l endomorfismo T ha una base B di autovettori e quindi è diagonalizzabile per definizione Indichiamo per semplicità m i = m g (λ i ) Notiamo che la base B i contiene precisamente m i = dim V λi elementi Ne segue che B contiene precisamente m 1 + +m k = n = dim V elementi Quindi per dimostrare che B è una base, è sufficiente verificare che gli n elementi in B sono indipendenti Scriviamo B i = { v1, i, vm i } i per ogni i = 1, k Supponiamo di avere una combinazione lineare nulla fra i vettori di B, del tipo (3) α 1 1v α 1 m 1 v 1 m α k 1v k α k m k v k m k = 0 Il vettore w i = α i 1v1 i + + α i n i vn i i appartiene a V λi Possiamo riscrivere l equazione (3) nel modo seguente: w w k = 0 Per ciascun w i, ci sono due possibilità: o w i = 0, oppure w i è un autovettore con autovalore λ i Il secondo caso non può però accadere: altrimenti l equazione w w k = 0 fornirebbe una combinazione lineare nulla fra autovettori con autovalori distinti, ma questo è proibito per la Proposizione 131 Otteniamo quindi Allora per ogni i = 1,, k otteniamo w 1 = = w k = 0 α i 1v i α i n i v i n i = 0
18 14 1 AUTOVETTORI E AUTOVALORI I vettori v1 i,, v n i i formano la base B i e quindi sono indipendenti: allora necessariamente α i j = 0 per ogni i, j Quindi i coefficienti della combinazione lineare originale (3) sono tutti nulli e abbiamo dimostrato (con un po di fatica) che i vettori di B sono indipendenti
Autovalori, Autovettori, Diagonalizzazione.
Autovalori Autovettori Diagonalizzazione Autovalori e Autovettori Definizione Sia V uno spazio vettoriale sul campo K = R o C e sia T : V V un endomorfismo Un vettore non nullo v V \ {O} si dice autovettore
DettagliParte 7. Autovettori e autovalori
Parte 7. Autovettori e autovalori A. Savo Appunti del Corso di Geometria 23-4 Indice delle sezioni Endomorfismi, 2 Cambiamento di base, 3 3 Matrici simili, 6 4 Endomorfismi diagonalizzabili, 7 5 Autovettori
DettagliCorso di Matematica Discreta. Anno accademico Appunti sulla diagonalizzazione.
Corso di Matematica Discreta. Anno accademico 2008-2009 Appunti sulla diagonalizzazione. Autovalori e autovettori di un endomorfismo lineare. Sia T : V V una applicazione lineare da uno spazio vettoriale
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
DettagliAUTOVALORI, AUTOVETTORI, AUTOSPAZI
AUTOVALORI, AUTOVETTORI, AUTOSPAZI. Esercizi Esercizio. Sia f : R 3 R 3 l endomorfismo definito da f(x, y, z) = (x+y, y +z, x+z). Calcolare gli autovalori ed una base per ogni autospazio di f. Dire se
DettagliLEZIONE 16 A = Verifichiamo se qualcuna fra le entrate a di A è suo autovalore. determinare per quale entrata a di A risulta rk(a ai 2 ) 1.
LEZIONE 16 16.1. Autovalori, autovettori ed autospazi di matrici. Introduciamo la seguente definizione. Definizione 16.1.1. Siano k = R, C e A k n,n. Un numero λ k si dice autovalore di A su k) se rka
DettagliLeLing12: Ancora sui determinanti.
LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling
DettagliParte 8. Prodotto scalare, teorema spettrale
Parte 8. Prodotto scalare, teorema spettrale A. Savo Appunti del Corso di Geometria 3-4 Indice delle sezioni Prodotto scalare in R n, Basi ortonormali, 4 3 Algoritmo di Gram-Schmidt, 7 4 Matrici ortogonali,
DettagliAutovettori e autovalori
Autovettori e autovalori Definizione 1 Sia A Mat(n, n), matrice a coefficienti reali. Si dice autovalore di A un numero λ R tale che v 0 R n Av = λv. Ogni vettore non nullo v che soddisfa questa relazione
DettagliElementi di Algebra Lineare Applicazioni lineari
Elementi di Algebra Lineare Applicazioni lineari Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 50 index Applicazioni lineari 1 Applicazioni lineari
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
Dettaglimisura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
Dettagli1 Il polinomio minimo.
Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene
Dettagli(a) 8x 9y = 2, (b) 28x + 6y = 33.
Dipartimento di Matematica e Informatica Anno Accademico 2016-2017 Corso di Laurea in Informatica (L-31) Prova scritta di Matematica Discreta (12 CFU) 28 Giugno 2017 Parte A A1 1 [10 punti] Dimostrare
DettagliMatrici simili. Matrici diagonalizzabili.
Matrici simili. Matrici diagonalizzabili. Definizione (Matrici simili) Due matrici quadrate A, B si dicono simili se esiste una matrice invertibile P tale che B = P A P. () interpretazione: cambio di base.
DettagliAUTOVALORI. NOTE DI ALGEBRA LINEARE
AUTOVALORI. NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 GENNAIO 2011 1. Il polinomio minimo Sia f : V V un endomorfismo lineare di uno spazio vettoriale di dimensione finita sul campo K. Per ogni
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
DettagliLEZIONE i i 3
LEZIONE 5 51 Determinanti In questo lezione affronteremo da un punto di vista prettamente operativo la nozione di determinante, descrivendone le proprietà ed i metodi di calcolo, senza entrare nei dettagli
DettagliDefinizione 1. Una matrice n m a coefficienti in K é una tabella del tipo. ... K m, detto vettore riga i-esimo, ed a im
APPUNTI ed ESERCIZI su matrici, rango e metodo di eliminazione di Gauss Corso di Laurea in Chimica, Facoltà di Scienze MM.FF.NN., UNICAL (Dott.ssa Galati C.) Rende, 23 Aprile 2010 Matrici, rango e metodo
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a Prova scritta del TESTO E SOLUZIONI
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a. 2011-2012 Prova scritta del 28-1-2013 TESTO E SOLUZIONI 1. Per k R considerare il sistema lineare X 1 X 2 + kx 3 =
Dettagli4 Autovettori e autovalori
4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità
Dettagli(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
DettagliAutovalori e autovettori
Autovalori e autovettori Definizione 1 (per endomorfismi). Sia V uno spazio vettoriale su di un campo K e f : V V un suo endomorfismo. Si dice autovettore per f ogni vettore x 0 tale che f(x) = λx, per
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
DettagliSPAZI VETTORIALI CON PRODOTTO SCALARE A =
SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo
Dettagli(E) : 4x 181 mod 3. h(h 1)x + 4hy = 0
Dipartimento di Matematica e Informatica Anno Accademico 206-207 Corso di Laurea in Informatica (L-3) Prova scritta di Matematica Discreta (2 CFU) 6 Settembre 207 Parte A [0 punti] Sia data la successione
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 8 SETTEMBRE 2015 VERSIONE A
FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA INGEGNERIA CHIMICA E DEI MATERIALI 8 SETTEMBRE 015 VERSIONE A DOCENTE: MATTEO LONGO 1. Domande. Esercizi Esercizio 1 (8 punti). Al variare del parametro a R, considerare
DettagliMassimi e minimi relativi in R n
Massimi e minimi relativi in R n Si consideri una funzione f : A R, con A R n, e sia x A un punto interno ad A. Definizione: si dice che x è un punto di massimo relativo per f se B(x, r) A tale che f(y)
DettagliParte 12b. Riduzione a forma canonica
Parte 2b. Riduzione a forma canonica A. Savo Appunti del Corso di Geometria 202-3 Indice delle sezioni. Coniche, 2. Esempio di riduzione, 4 3. Teoremi fondamentali, 6 4. Come determinare l equazione canonica,
DettagliNumeri di Fibonacci, Autovalori ed Autovettori.
Numeri di Fibonacci, Autovalori ed Autovettori. I numeri sulla Mole Antonelliana. Ecco i numeri sulla Mole:,,, 3,, 8, 3,, 34,, 89, 44, 33, 377, 6, 987, dove ogni nuovo numero rappresenta la somma dei due
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 8 aprile 014 Esercizio 1 Si consideri E dotato di un riferimento cartesiano ortonormale di coordinate (x, y) e origine O. Si
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
DettagliSomma diretta di sottospazi vettoriali
Capitolo 8 Somma diretta di sottospazi vettoriali 8.1 Introduzione Introduciamo un caso particolare di somma di due sottospazi vettoriali: la somma diretta. Anche questo argomento è stato visto nel corso
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la
DettagliSpazi Vettoriali ed Applicazioni Lineari
Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla
DettagliVettori e geometria analitica in R 3 1 / 25
Vettori e geometria analitica in R 3 1 / 25 Sistemi di riferimento in R 3 e vettori 2 / 25 In fisica, grandezze fondamentali come forze, velocità, campi elettrici e magnetici vengono convenientemente descritte
DettagliPer le risposte utilizza gli spazi predisposti. Quando richiesto, il procedimento va esposto brevemente, ma in maniera comprensibile.
COGNOME............................... NOME..................................... Punti ottenuti Esame di geometria Scrivi cognome e nome negli spazi predisposti in ciascuno dei tre fogli. Per ogni domanda
DettagliCaso di A non regolare
Caso di A non regolare December 2, 2 Una matrice A è regolare quando è quadrata e in corrispondenza di ogni autovalore di molteplicità algebrica m si ha una caduta di rango pari proprio a m Ovvero: rk
DettagliEndomorfismi e matrici simmetriche
CAPITOLO Endomorfismi e matrici simmetriche Esercizio.. [Esercizio 5) cap. 9 del testo Geometria e algebra lineare di Manara, Perotti, Scapellato] Calcolare una base ortonormale di R 3 formata da autovettori
Dettagli0.1. MATRICI SIMILI 1
0.1. MATRICI SIMILI 1 0.1 Matrici simili Definizione 0.1.1. Due matrici A, B di ordine n si dicono simili se esiste una matrice invertibile P con la proprietà che P 1 AP = B. Con questa terminologia dunque
DettagliCompiti di geometria & algebra lineare. Anno: 2004
Compiti di geometria & algebra lineare Anno: 24 Anno: 24 2 Primo compitino di Geometria e Algebra 7 novembre 23 totale tempo a disposizione : 3 minuti Esercizio. [8pt.] Si risolva nel campo complesso l
DettagliIntersezione e somma di sottospazi vettoriali
Capitolo 6 Intersezione e somma di sottospazi vettoriali 6.1 Introduzione Ricordiamo le definizioni di intersezione e somma di due sottospazi vettoriali. Anche in questo caso rimandiamo al testo di geometria
DettagliTrapani. Dispensa di Geometria, x 1 x 2.x n. (x 1 y 1 ) (x n y n ) 2.
2006 Trapani Dispensa di Geometria, 1 Distanze Siano P e Q punti di R n con P di coordinate allora la distanza tra P e Q e P Q = x 1 x 2 x n (x 1 y 1 ) 2 + (x n y n ) 2 e Q di coordinate Siano Σ 1 e Σ
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliEsercizi Applicazioni Lineari
Esercizi Applicazioni Lineari (1) Sia f : R 4 R 2 l applicazione lineare definita dalla legge f(x, y, z, t) = (x + y + z, y + z + t). (a) Determinare il nucleo di f, l immagine di f, una loro base e le
DettagliProdotti scalari e matrici
Prodotti scalari e matrici 1 Forme bilineari e matrici In questa sezione vogliamo studiare la corrispondenza biunivoca che esiste tra l insieme delle forme bilineari su di un certo spazio vettoriale V
DettagliESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007
ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala
DettagliGeometria e Topologia I (U1-4) 2006-mag-10 61
Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca
DettagliDIAGONALIZZAZIONE. M(f) =
DIAGONALIZZAZIONE Esercizi Esercizio 1. Sia f End(R 3 ) associato alla matrice M(f) = 0 1 2 0. 2 (1) Determinare gli autovalori di f e le relative molteplicità. (2) Determinare gli autospazi di f e trovare,
DettagliESERCIZI DI ALGEBRA LINEARE (D) A = A = A = R 2,2. D5 Dire come bisogna scegliere i parametri h e k affinché la
ESERCIZI DI ALGEBRA LINEARE (D) D1 Nello spazio vettoriale R 2,2 si consideri l insieme { V = X R 2,2 XA = AX, A = ( 1 1 1 2 )} delle matrici che commutano con A. Verifiare che V = L(I 2, A). Verificare
DettagliCdL in Ingegneria Gestionale e CdL in Ingegneria del Recupero Edilizio ed Ambientale
CdL in Ingegneria Gestionale e CdL in Ingegneria del Recupero Edilizio ed Ambientale della prova scritta di Algebra Lineare e Geometria- Compito A- 8 Aprile 8 E assegnato l endomorfismo f : R 3 R 3 definito
DettagliAnalisi Matematica II - INGEGNERIA Gestionale - B 20 luglio 2017 Cognome: Nome: Matricola:
Analisi Matematica II - INGEGNERIA Gestionale - B luglio 7 Cognome: Nome: Matricola: IMPORTANTE: Giustificare tutte le affermazioni e riportare i calcoli essenziali Esercizio [8 punti] Data la matrice
DettagliEsercitazioni di geometria /2009 (Damiani) Il polinomio minimo. I) Definizione del polinomio minimo.
Esercitazioni di geometria 2-2008/2009 (Damiani) Il polinomio minimo I) Definizione del polinomio minimo. Siano k un campo, A un anello (associativo) unitario, k Z(A) A un omomorfismo di anelli unitari
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari 1 Sistemi di equazioni lineari 1.1 Determinante di matrici quadrate Ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante della matrice
DettagliComplemento ortogonale e proiezioni
Complemento ortogonale e proiezioni Dicembre 9 Complemento ortogonale di un sottospazio Sie E un sottospazio di R n Definiamo il complemento ortogonale di E come l insieme dei vettori di R n ortogonali
Dettaglix 1 Fig.1 Il punto P = P =
Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi
DettagliLEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero
LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.
DettagliVolumi in spazi euclidei 12 dicembre 2014
Volumi in spazi euclidei 12 dicembre 2014 1 Definizioni In uno spazio euclideo reale V di dimensione n siano dati k n vettori linearmente indipendenti e sia Π := Π(v 1 v 2... v k ) il parallelepipedo generato
DettagliLa forma normale di Schur
La forma normale di Schur Dario A Bini, Università di Pisa 30 ottobre 2013 Sommario Questo modulo didattico contiene risultati relativi alla forma normale di Schur, alle sue proprietà e alle sue applicazioni
Dettagli(E) : 2x 43 mod 5. (2 + h)x + y = 0
Dipartimento di Matematica e Informatica Anno Accademico 2016-2017 Corso di Laurea in Informatica (L-31) Prova scritta di Matematica Discreta (12 CFU) 27 Settembre 2017 Parte A 1 [10 punti] Sia data la
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliProva scritta di Geometria 18/01/2016, Soluzioni Ing. Meccanica a.a
Prova scritta di Geometria 8//26, Soluzioni Ing. Meccanica a.a. 25-6 Esercizio È data la conica γ : 3x2 2xy + 3y 2 + 8x + 3 =. a) Verificare che la conica è un ellisse e determinarne la forma canonica.
Dettagli2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3.
Studio delle coniche Ellisse Studiare la conica di equazione 2x 2 + 4xy + y 2 4x 2y + 2 = 0. Per prima cosa dobbiamo classificarla. La matrice associata alla conica è: 2 2 2 A = 2 2 2 Il DetA = 2 quindi
DettagliElementi di Algebra Lineare. Spazio Vettoriale (lineare)
Elementi di Algebra Lineare Spazio Vettoriale (lineare) Uno spazio vettoriale su un corpo F è una quadrupla (X, F, +, ) costituita da: un insieme di elementi X, detti vettori, un corpo F, i cui elementi
DettagliAPPUNTI DI ALGEBRA LINEARE
APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e
DettagliTempo a disposizione. 120 minuti. 1 Sia dato l endomorfismo f : R 3 R 3 la cui matrice rispetto alla base canonica di R 3 è.
Dipartimento di Matematica e Informatica Anno Accademico 2015-2016 Corso di Laurea in Informatica (L-31) Prova in itinere di Matematica Discreta (12 CFU) 13 Giugno 2016 B2 Tempo a disposizione. 120 minuti
DettagliAppunti sui Codici di Reed Muller. Giovanni Barbarino
Appunti sui Codici di Reed Muller Giovanni Barbarino Capitolo 1 Codici di Reed-Muller I codici di Reed-Muller sono codici lineari su F q legati alle valutazioni dei polinomi sullo spazio affine. Per semplicità
DettagliCorso di Laurea in Fisica. Geometria. a.a Canale 3 Prof. P. Piazza Magiche notazioni
Corso di Laurea in Fisica. Geometria. a.a. 23-4. Canale 3 Prof. P. Piazza Magiche notazioni Siano V e W due spazi vettoriali e sia T : V W un applicazione lineare. Fissiamo una base B per V ed una base
DettagliFondamenti di Algebra Lineare e Geometria TEMA A
Fondamenti di Algebra Lineare e Geometria Ingegneria Aerospaziale ed Ingegneria dell Energia - Canale B Secondo Appello - luglio TEMA A Risolvere i seguenti esercizi motivando adeguatamente ogni risposta.
DettagliRegistro Lezioni di Algebra lineare del 15 e 16 novembre 2016.
Registro Lezioni di Algebra lineare del 15 e 16 novembre 2016 Di seguito si riporta il riassunto degli argomenti svolti; i riferimenti sono a parti del Cap8 Elementi di geometria e algebra lineare Par5
DettagliAUTOVALORI E AUTOVETTORI
Capitolo 4 AUTOVALORI E AUTOVETTORI Abbiamo visto nel paragrafo 2.17 che la matrice associata ad una applicazione lineare f : R n R m dipende dalle basi scelte in R n e R m. Un problema interessante che
DettagliI determinanti. a11 a A = 12 a 21 a 22
I determinanti. Queste note, basate sugli appunti delle lezioni, riepilogano rapidamente la definizione e le proprietà del determinante. Vengono inoltre illustrati i metodi di calcolo e alcune dimostrazioni.
DettagliCORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA
CORSO DI LAUREA IN INGEGNERIA EDILE/ARCHITETTURA II PROVA DI ACCERTAMENTO, FILA A GEOMETRIA 19/06/008 Esercizio 0.1. Si consideri il seguente endomorfismo di R 4 T (x, y, z, w) = ( x + y + z + w, y + z,
DettagliAppunti di Geometria - 5
Appunti di Geometria - 5 Samuele Mongodi - s.mongodi@sns.it Segnatura di un prodotto scalare Richiami Sia V uno spazio vettoriale reale di dimensione n; sia, : V V R un prodotto scalare. Data una base
DettagliLEZIONE 3. a + b + 2c + e = 1 b + d + g = 0 3b + f + 3g = 2. a b c d e f g
LEZIONE 3 3.. Matrici fortemente ridotte per righe. Nella precedente lezione abbiamo introdotto la nozione di soluzione di un sistema di equazioni lineari. In questa lezione ci poniamo il problema di descrivere
DettagliLEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono:
LEZIONE 11 11.1. Spazi vettoriali ed esempi. La nozione di spazio vettoriale generalizza quanto visto nelle lezioni precedenti: l insieme k m,n delle matrici m n a coefficienti in k = R, C, l insieme V
DettagliForme bilineari simmetriche
Forme bilineari simmetriche Qui il campo dei coefficienti è sempre R Definizione 1 Sia V uno spazio vettoriale Una forma bilineare su V è una funzione b: V V R tale che v 1, v 2, v 3 V b(v 1 + v 2, v 3
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
DettagliCorso di Matematica II Anno Accademico Esercizi di Algebra Lineare. Calcolo di autovalori ed autovettori
Esercizio 1 Corso di Matematica II Anno Accademico 29 21. Esercizi di Algebra Lineare. Calcolo di autovalori ed autovettori May 7, 21 Commenti e correzioni sono benvenuti. Mi scuso se ci fosse qualche
Dettagli15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
15 luglio 01 - Soluzione esame di geometria - Ing. gestionale - a.a. 01-01 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono
DettagliMATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE
DIAGONALIZZAZIONE 1 MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE Matrici ortogonali e loro proprietà. Autovalori ed autospazi di matrici simmetriche reali. Diagonalizzazione mediante matrici
Dettagli(VX) (F) Se A e B sono due matrici simmetriche n n allora anche A B è una matrice simmetrica.
5 luglio 010 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
Dettagli1 Indipendenza lineare e scrittura unica
Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliII Università degli Studi di Roma
Versione preliminare gennaio TOR VERGATA II Università degli Studi di Roma Dispense di Geometria. Capitolo 3. 7. Coniche in R. Nel Capitolo I abbiamo visto che gli insiemi di punti P lineare di primo grado
DettagliLezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige. Fulvio Bisi, Francesco Bonsante, Sonia Brivio
Lezioni di Algebra Lineare con applicazioni alla Geometria Analitica Errata Corrige Fulvio Bisi, Francesco Bonsante, Sonia Brivio DA GENNAIO 2015 1 Da gennaio 2015 Riportiamo di seguito gli errata corrige
DettagliEsercizi sulle coniche (prof.ssa C. Carrara)
Esercizi sulle coniche prof.ssa C. Carrara Alcune parti di un esercizio possono ritrovarsi in un altro esercizio, insieme a parti diverse. È un occasione per affrontarle da un altra angolazione.. Determinare
DettagliAlgebra Lineare Autovalori
Algebra Lineare Autovalori Stefano Berrone Sandra Pieraccini Dipartimento di Matematica Politecnico di Torino, Corso Duca degli Abruzzi 24, 10129, Torino, Italy e-mail: sberrone@calvino.polito.it sandra.pieraccini@polito.it
Dettagli2.1 Esponenziale di matrici
¾ ½ º¼ º¾¼½ Queste note (attualmente e probabilmente per un bel po sono altamente provvisorie e (molto probabilmente non prive di errori Esponenziale di matrici Esercizio : Data la matrice λ A λ calcolare
DettagliLEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f
LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2013/2014 M. Tumminello, V. Lacagnina e
Dettagli20 gennaio Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...
0 gennaio 010 - Soluzione esame di geometria - 1 crediti Ingegneria gestionale - a.a. 009-010 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore.
DettagliProdotto scalare. Piani nello spazio Federico Lastaria, Analisi e Geometria 1. Politecnico di Milano Corso di Analisi e Geometria 1
Politecnico di Milano Corso di Analisi e Geometria 1 Federico Lastaria federico.lastaria@polimi.it Prodotto scalare in R n. Piani nello spazio. 19 Dicembre 2016 Indice 1 Prodotto scalare nello spazio 2
Dettaglia + 2b + c 3d = 0, a + c d = 0 c d
SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,
Dettagli